本市个人信用办法施行370万市民拥有信用档案

　　如今，一个人信用的好坏，拍胸脯自说自话已经不行了，而需要靠个人信用报告来说话。随着《上海市个人信用征信管理试行办法》2月起开始施行，在申城试点多年的个人信用联合征信开始征之有“法”了。
　　据悉，目前全市已有370万市民拥有“信用档案”，如有信用污点，最长可能保留7年。不过，偶尔拖欠水电费将不会上“黑名单”。
　　“我曾拖欠过水电煤费，会上信用‘黑名单’吗？”“朋友借我的身份证办理的入网手机拖欠费用，这种不良信用记在我的名下岂不是很冤？”市民关心的这些个人信用问题，从《试行办法》中基本上都能找到答案。
　　从上海资信有限公司获悉，如今关心自己信用状况的市民渐渐多了起来。新近一次的统计数据显示，查询过个人信用报告的市民，目前已超过100万人次。这些人主要是关心自己的信用状况究竟如何，以便在准备申请贷款购房、买车时做到心中有数。
　　据透露，市民向银行申请贷款或者具有透支功能的信用卡时，银行都将开始依据市民的个人信用报告来评估市民信用状况，并最终确定是拒绝还是接受申请。
　　目前，全市个人信用报告查询点共有3个，查询一次的费用为30元。查询点为：交通银行上海分行市西支行(江宁路350号)；中信实业银行上海分行淮海中路支行(淮海中路1355号)；上海银行浦东分行(张扬路699号)。
　　六问个人信用报告
　　1、信用污点包括哪些内容？
　　信用污点指的是不良信用信息，既包括金融信用信息，也包括社会信用信息，比如恶意拖欠数额较大款项的信息；司法机关的惩处信息；鉴证、评估、咨询等中介服务行业的执业人员，因违反诚信受到行业组织惩戒的信息等。
　　按照国际惯例，一般的负面信息保留7年，特别严重或明显恶意的负面信息会保留10年。而根据《试行办法》的规定，不良信用信息的保留期限最长为7年。
　　2、偶欠公用事业费会上“黑名单”吗？
　　这将取决于拖欠程度，包括拖欠时间、拖欠次数等因素，并不是所有拖欠信息都会反映在个人信用报告中。
　　公用事业机构对欠费程度的界定是有标准的，一般在相当一段时间内多次逾期才会被列入拖欠名单，而且这些欠费记录也不会被列入通常意义上的“黑名单”，只作一般记录处理。此外，公用事业机构在确定拖欠名单前，一般还会进行人工核实并告知。但这些欠费记录对信用评估会产生一定影响。
　　3、替别人背"黑锅"怎么办？
　　现实生活中，如果你的身份证被他人冒用，办理了入网手机却恶意欠费，不良信用信息将记在你的名下；房客恶意拖欠水电煤费，不良信用信息也将记录在房东的名下。出现这类代别人背"黑锅"的情况，怎么办呢？
　　《试行办法》专门有一条异议信息处理的规定，当你发觉个人信用报告中的有关信息不准确、不完整或不相关时，可以向征信机构提出异议，要求予以更正。征信机构经核实异议信息确有必要更正，按规定应当给予更正；如果经核实异议信息无须更正，征信机构可对异议信息不做修改，但应该标明个人异议和相应理由。
　　4、个人信用报告会侵犯个人隐私吗？
　　《试行办法》明确规定，与个人信用无关的信息，征信机构不得采集；民族、种族、家庭出身、宗教信仰以及身体形态、基因、血型、疾病和病史等信息不得采集；法律法规规定的应当保密的信息不得采集。
　　个人信用报告采集信息主要包括：用来识别个人身份以及反映个人家庭、职业等情况的个人基本信息；个人与金融机构或者住房公积金管理中心等机构发生信贷关系而形成的个人信贷信息；个人与商业机构、公共事业服务机构发生赊购关系而形成的个人赊购、缴费信息；行政机关、行政事务执行机构、司法机关在行使职权过程中形成的与个人信用相关的公共记录。
　　5、别人能查询自己的信用报告吗？
　　目前只有以下情况可以进行个人信用报告的查询：一是上海市个人信用信息数据中心理事会成员与市民发生业务往来时，比如向市民提供信贷、赊销、租赁、就业、保险、担保等意向，为确认市民信用状况、经本人授权可以查询；具有对市民进行赊账催收等业务意向，且提供相关证明材料可以查询；市民凭本人身份证原件进行的个人查询。除此以外，任何单位或个人在未得到本人授权的情况下，均不能查询个人的信用报告。
　　信用报告的每次查询、操作步骤都将留有操作痕迹，并有专人定期检查。每份信用报告的查询必须经两位“查询操作员”共同审核方能完成，“查询操作员”有保密义务。
　　6、个人信用分值高，信用度就一定高吗？
　　上海资信公司目前已引入个人信用评估，通过模型并运用计算机技术对个人的信用信息进行统计、计算及量化分析。个人信用评分的分值为-600分到1700分，-600分为最低值，最高值为1700分。
　　分值和人们的信用度有关系，但不能绝对地说，分值越高信用度越好。确切地说，每个不同的分值代表着不同的风险概率。从银行的角度看，即使一个信用度很好的人，贷款给他也可能有风险，比如当他拿了贷款去创业时，信用好的人创业也并不一定百分之百成功。但是，在分值高的人群中，风险的概率比较低；而在分值低的人群中，风险的概率比较高。